一种基于Mobilemul模型的花卉分类方法

    公开(公告)号:CN117315319A

    公开(公告)日:2023-12-29

    申请号:CN202311032860.9

    申请日:2023-08-16

    Abstract: 本发明公开一种基于Mobilemul模型的花卉分类方法,通过特征提取模块CB Block、深度可分离卷积模块Dwise Block以及改进的密集连接Dense模块的依次串联,来构建待训练模型。同时,结合各场景获取的样本图像,进行训练,以各场景获取样本图像为输入,将各场景获取样本图像中属于各指定目标类型的目标对象进行分类,得到目标检测分类模型。进一步应用目标检测分类模型,可以实现对各场景获取图像中各目标对象的分类检测。与现有技术相比,本发明克服了现有技术中鲁棒性差、过程复杂、检测时间较长的问题,利用Mobilemul模型架构,具有结构简单、参数量较少的优点。

    基于改进YOLOv5s网络的热轧钢带表面缺陷检测方法

    公开(公告)号:CN117132827A

    公开(公告)日:2023-11-28

    申请号:CN202311105750.0

    申请日:2023-08-30

    Abstract: 本发明公开了一种基于改进YOLOv5s网络的热轧钢带表面缺陷检测方法,该方法使用YOLOv5s目标检测模型作为基础,在此基础上提出一种改进的YOLOv5s网络模型。首先,将neck部分的结构改换为AFPN结构,实验结果表明该结构与其他最先进的特征金字塔网络相比较更具竞争力,而且每秒浮点运算(FLOPs)也最低,并在较低参数下达到了比Baseline更好的性能。其次,使用GIoU损失函数,其不仅关注重合区域,还关注其他非重合区域,更好的反映了两者的重合程度,并且当IoU=0时,两个框之间的距离仍然很好的表示出来。最后,添加注意力机制模块,选用EffectiveSE卷积神经网络结构加入YOLOv5s网络中,实验表明它与SENet等经典网络结构相比分类精度更高、收敛速度更快。本发明所提出的方法在原始网络基础上有效提升了模型对热轧钢带表面缺陷检测的性能,降低了模型的参数量和计算量,缩短了模型的推理时间。

Patent Agency Ranking